Attribute reduction algorithm of rough sets based on spatial optimization
针对传统粗糙集属性约简仅追求属性数量最少、忽略空间相似性导致规则多且通用性差的问题,提出基于空间优化的属性约简算法,通过最大化约简属性与决策属性的空间相似性获取更优规则,经多数据集对比实验验证效果显著。
2024-05-15 cs.AI
Prunnig Algorithm of Generation a Minimal Set of Rule Reducts Based on Rough Set Theory
Ankara University(安卡拉大学);Bilkent University(比尔肯特大学)
本文研究了基于粗糙集理论的规则约简生成问题。规则缩减生成(RG)和修改规则生成(MRG)算法是公知的。替代这些算法的剪枝算法生成一个最小的规则约简集,或简称剪枝规则生成(PRG)算法的开发。PRG算法使用树结构的数据类型。将PRG算法与RG、MRG算法进行了比较
2010-10-31 cs.AI
Computing Fuzzy Rough Set based Similarities with Fuzzy Inference and Its Application to Sentence Similarity Computations
IIT Delhi(德里印度理工学院)
在利用模糊粗糙集进行分析时,已经提出了一些计算两个模糊集之间相似度的研究方案。这些技术产生两个措施,即。低相似性和高相似性。而在大多数应用中,只有一个实体对进一步分析和得出结论是有用的。本文的目的是提出一种新的技术,结合模糊粗糙集的上下相似度的模糊推理机。将该方法应用于句子相似度计算问题,并在SICK2014数据集上进行了测试.
2021-07-02 cs.AI
Application of Rough Set Theory to Analysis of Hydrocyclone Operation
Amirkabir University of Technology(阿米尔卡比尔理工大学)
介绍了粗糙集理论在水力旋流器运行分析中的应用。以这种方式,使用自组织映射(SOM)作为预处理步骤,获得数据的最佳清晰颗粒。然后,使用SOM和粗糙集理论(SOM)的结合-称为SORST-,从实验室测试中获得的信息表上的主导规则,提取。在此基础上,实现了对决策属性的近似估计。最后,这种方法与SOM-NFIS系统(简称SONFIS)的简要比较突出。
2008-04-03 cs.AI
On the Granular Representation of Fuzzy Quantifier-Based Fuzzy Rough Sets
Ghent University(根特大学)
本文研究基于模糊量词的模糊粗糙集(FQFRS)的粒表示,发现Choquet型与OWA型在相同条件下可粒化,Sugeno型则始终可粒化,凸显其处理不一致数据与噪声的潜力。
2023-12-27 cs.AI
LRA: an accelerated rough set framework based on local redundancy of attribute for feature selection
Chongqing University of Telecommunications and Posts(重庆邮电大学);Tianjin University(天津大学);University of California Riverside(加州大学河滨分校)
本文提出并证明了关于决策系统中属性稳定性的定理。在此基础上,提出了一种加速粗糙集算法的LRA框架。它是一个通用的框架,可以适用于几乎所有的粗糙集方法显着。理论分析保证了高效率。注意,效率的提高不会导致分类精度的任何降低。此外,我们提供了一个更简单的证明正逼近加速框架。
2020-10-31 cs.AI
Phishing Detection by determining reliability factor using rough set theory
VIT University(VIT大学)
网络钓鱼是一种常见的在线武器,用于对付用户,由钓鱼者通过欺骗获取机密信息。自从互联网诞生以来,从金钱交易到信息共享,几乎所有的事情都在世界上大部分地区在线完成。这也导致了恶意活动,如网络钓鱼。检测网络钓鱼是一个复杂的过程,由于复杂性,模糊性和大量的可能性因素负责网络钓鱼。粗糙集是一个强大的工具,当工作在这类应用程序包含模糊或不精确的数据。提出了一种基于粗糙集理论的网络钓鱼检测方法。13个基本因素,直接负责网络钓鱼,分为四个阶层。利用粗糙集理论,根据这些层次的结果确定可靠性因子。可靠性因素决定了可疑网站是有效还是伪造的可能性。利用粗糙集理论确定了网络钓鱼的最大影响因素和最小影响因素。
2013-12-10 cs.AI
Determining the Consistency factor of Autopilot using Rough Set Theory
VIT University(韦洛尔理工大学)
自动驾驶仪是一种设计用于在没有帮助的情况下引导车辆的系统。由于飞行时间的增加和现代飞行的复杂性,为飞机配备自动驾驶仪已经变得势在必行。因此,自动驾驶仪系统的可靠性和一致性成为飞行中的关键作用。但是,复杂性的增加和对更高精度的要求使得评估自动驾驶仪的一致性成为一个困难的过程,涉及大量不精确的数据。粗糙集理论为处理这类含有模糊数据的应用提供了有力的工具。提出了一种基于粗糙集理论的一致性因子确定方法。决定自动驾驶系统一致性的17个基本因素根据其功能分为5个有效载荷。一致性因子通过这些有效载荷,使用粗糙集理论进行评估。一致性因素决定了自动驾驶系统的一致性和可靠性,以及手动超控变得必要的条件。利用粗糙集理论确定了对自动驾驶仪系统影响最大和最小的因素。
2014-04-07 cs.AI
Extension of Rough Set Based on Positive Transitive Relation
Stony Brook University(石溪大学)
粗糙集理论在不完备信息系统中的应用是实践中的一个关键问题,因为在知识获取中,由于数据测量的误差、数据汇集的局限性或数据理解的局限性等原因,几乎总是会出现缺失值。现有的基于容差或对称相似关系的粗糙集扩展模型通常会舍弃自反关系、对称关系和传递关系中的一种关系,尤其是传递关系。为了克服现有粗糙集扩展模型的局限性,定义了一种新的正传递关系,并在此基础上提出了一种新的粗糙集扩展模型.新模型保留了现有粗糙集扩展模型的优点,同时避免了它们丢弃传递性或对称性的局限性。与已有的可拓模型相比,该模型在处理不完备信息系统时具有更好的性能,同时大大降低了计算复杂性,考虑了正传递性的容差和相似性关系,并根据不完备信息的直观分类补充了相关理论.综上所述,正传递关系可以改进现有的不完备信息系统的理论分析,新提出的可拓模型更适合处理不完备信息系统,具有广阔的应用前景。
2019-06-13 cs.AI
Information-theoretic measures associated with rough set approximations
Beijing University of Posts and Telecommunications(北京邮电大学)
虽然在粗糙集理论中已经提出了一些信息论的不确定性或粒度的度量,但这些度量仅依赖于论域的基本划分和基数,与上下近似无关。这似乎有些不合理,因为粗糙集理论的基本思想是通过上下近似来描述模糊概念。因此,在本文中,我们定义了新的信息论熵和共熵函数的分区和近似度量的不确定性和粒度的近似空间。在介绍了熵和共熵的新概念后,我们研究了它们的性质。特别是,我们讨论了不同宇宙之间的互熵的关系。理论的发展是伴随着说明性的数值例子。
2011-02-01 cs.AI
Relationship between the second type of covering-based rough set and matroid via closure operator
Zhangzhou Normal University(漳州师范学院)
近年来,为了拓宽粗糙集和拟阵的理论和应用领域,一些学者从不同的角度,如圈、秩函数、生成集等将它们结合起来,本文从闭包算子的角度将第二类覆盖粗糙集和拟阵结合起来。一方面,通过第二类覆盖下近似算子的不动点族建立闭包系统,进而构造闭包算子。对于论域的覆盖,闭包算子是拟阵的闭包算子当且仅当覆盖的约简是论域的一个划分。另一方面,我们研究了第二类覆盖上近似运算是拟阵闭包的充要条件。
2012-10-02 cs.AI
Lattice structures of fixed points of the lower approximations of two types of covering-based rough sets
Zhangzhou Normal University(漳州师范学院)
覆盖是一种常见的数据结构,基于覆盖的粗糙集理论是处理这种数据的有效工具。格是一种重要的代数结构,在研究某些类型的广义粗糙集时有着广泛的应用。本文提出了两类集合,并研究了这两类集合成为格结构的条件。这两个集合分别由第一类覆盖粗糙集和第六类覆盖粗糙集的下近似的不动点组成。这两个集合分别称为邻域不动点集和覆盖不动点集。首先,对于任意覆盖,邻域不动点集是一个完备分配格,同时也是一个双p-代数。特别地,当邻域形成对宇宙的划分时,邻域的不动点集既是布尔格又是双Stone代数。第二,对任何覆盖,覆盖的不动点集都是完备格,当覆盖是一元时,覆盖的不动点集成为分配格和双p-代数。当复盖是一元时,它是分配格和双p-代数。特别地,当覆盖的约化形成论域的一个划分时,覆盖的不动点集既是布尔格又是双Stone代数。
2012-09-25 cs.AI
A Framework for Intelligent Medical Diagnosis using Rough Set with Formal Concept Analysis
VIT University(韦洛尔理工大学)
医学诊断过程在试图处理诊断的不同复杂方面的程度上有所不同,例如症状的相对重要性,不同的症状模式以及疾病之间的关系。在决策理论的基础上,过去的许多数学模型,如明确集,概率分布,模糊集,直觉模糊集,处理复杂的方面的诊断。但是,许多这样的模型未能包括专家决策的重要方面。因此,已作出努力,以处理不一致的数据被认为是Pawlak与粗糙集理论的引入。虽然粗糙集方法具有其他方法无法比拟的优势,但是它产生的规则太多,给决策带来很多困难。因此,最小化决策规则至关重要。本文通过预处理和后处理两个过程来挖掘合适的规则,并探索属性之间的关系。在前处理中,我们使用粗糙集理论挖掘合适的规则,而在后处理中,我们使用形式概念分析,从这些合适的规则,以探索更好的知识和最重要的影响决策的因素。
2013-01-25 cs.AI
A Unified Granular-ball Learning Model of Pawlak Rough Set and Neighborhood Rough Set
Chongqing University of Telecommunications and Posts(重庆邮电大学);Nantong University(南通大学);University of California at Riverside(加州大学河滨分校)
Pawlak粗糙集和邻域粗糙集是两种最常见的粗糙集理论模型。Pawlak可以用等价类表示知识,但不能处理连续数据;邻域粗糙集可以处理连续数据,但失去了用等价类表示知识的能力。为此,本文提出了一种基于粒度球计算的粒度球粗糙集。粒球粗糙集可以同时表示Pawlak粗糙集和邻域粗糙集,从而实现两者的统一表示。这使得粒球粗糙集不仅可以处理连续数据,而且可以使用等价类进行知识表示。此外,我们还提出了一种粒度球粗糙集的实现算法。在基准数据集上的实验结果表明,由于结合了粒度球计算的鲁棒性和自适应性,粒度球粗糙集的学习精度较Pawlak粗糙集和传统邻域粗糙集有了很大的提高.粒度球粗糙集也优于九个流行的或国家的最先进的特征选择方法。
2022-07-14 cs.AI cs.LG
Parametric matroid of rough set
Zhangzhou Normal University(漳州师范学院)
粗糙集主要研究对象在论域上通过等价关系的近似。拟阵是向量空间中线性无关性的组合推广。在本文中,我们定义了一个参数集族,它以论域的任意子集为参数,连接粗糙集和拟阵。一方面,对于论域和论域上的等价关系,通过下近似算子定义了一个参数集族。证明了该参数集族满足拟阵的独立集公理,从而可以生成一个拟阵,称为粗糙集的参数拟阵。得到了参数集族的三个等价表示。此外,粗糙集的参数拟阵被证明是一个划分回路拟阵和一个自由拟阵的直和。另一方面,由于划分回路拟阵是通过下近似数得到很好的研究,我们使用它来研究粗糙集的参数拟阵。粗糙集参数拟阵的独立集、基、圈、秩函数和闭包算子等特征用下近似数表示。
2012-09-22 cs.AI cs.DM
Neighborhood Rough Set based Multi-document Summarization
IIT Delhi(印度理工学院德里分校)
本文提出了一种新的基于邻域粗糙集的有监督多文档文本摘要(MDTS)方法,分析了该方法对MDTS摘要结果的影响。在这里,基于粗糙集的LERS算法进行了改进,使用邻域粗糙集,这本身就是一种新的组合称为邻域LERS进行实验的功效和效率的评估。在本文中,我们将应用和评估建议的邻域LERS多文档摘要,在这里被证明是优于MDTS的基本LERS技术。
2021-05-27 cs.AI cs.CL
Class Association Rules Mining based Rough Set Method
Taif University(塔伊夫大学)
研究了利用粗糙集方法挖掘类别关联规则的问题。在数据采掘中,当一个元素集与另一个元素集同时出现时,两个元素集之间就会产生关联。类关联规则集(CAR)是关联规则的子集,其中类被指定为其结果。本文从Apriori算法出发,提出了一种有效的挖掘最细类规则集的算法,其中支持度和置信度的计算是基于粗糙集理论的下近似基本集。我们所提出的方法已被证明是非常有效的,其中粗糙集的类关联发现方法比经典的关联方法简单得多。
2015-09-17 cs.AI cs.DB
Fuzzy Rough Sets Based on Fuzzy Quantification
Ghent University(根特大学)
本文提出基于模糊量词的模糊粗糙集(FQFRS)模型,以改进VQFRS对噪声的敏感性,并通过YWI二元量化模型在分类任务中取得优于VQFRS且可与OWAFRS竞争的性能。
2022-12-06 cs.AI cs.LG
Rough Concept Analysis
University of Arkansas at Little Rock(阿肯色大学小石城分校)
本文所介绍、提出和发展的理论与粗糙概念分析有关。该理论综合了Zdzislaw Pawlak的粗糙集理论和Rudolf Wille的形式概念分析理论。本文中的粗糙形式概念的中心概念结合在一个自然的方式粗糙集的概念与形式概念的概念:“粗糙集+形式概念=粗糙的形式概念”。后续的论文将提供两个重要的数据建模技术的综合:形式概念分析的概念缩放和关系数据库建模。
2018-10-12 cs.AI cs.DL
Dialectics of Knowledge Representation in a Granular Rough Set Theory
University of Calcutta(加尔各答大学)
在一般粗糙集理论中,粗糙对象和确定对象的概念比粒和粒的概念更确定。然而,粗糙对象的表示可以依赖于粒化和确定性之间的辩证关系。在这项研究中,我们使这一精确的上下文中的crossover proto-transitive近似空间。这种方法可以直接扩展到许多其他类型的网络。这些被用来制定一个扩展的概念的知识解释(KI)(相对于经典推理的情况)和知识表示(KR)的问题得到解决。这些将直接感兴趣的颗粒KR在本作者[2]开发的粗糙物体和一般的粗糙物体。在[3]中,作者已经将这些用于五种不同的语义。这是[4]的扩展版本,包含关键示例和更多结果。
2013-03-23 cs.AI cs.LO
Improving circuit miniaturization and its efficiency using Rough Set Theory
VIT University(VIT大学)
高速、准确、敏捷、快速响应是现代数字世界的重要要求。一个有效的电子电路会毫不动摇地影响整个系统的机动性。需要不同的工具来解决不同类型的工程难题。提高电子电路的效率、精度和低功耗一直是一个瓶颈问题。因此,电路小型化的需求一直存在。它节省了大量浪费在门开关上的时间和功耗,降低了功耗,减小了芯片的横截面积,芯片中可实现的晶体管数量成倍增加。因此,为了解决这个问题,我们提出了一种基于人工智能(AI)的方法,利用粗糙集理论来实现。粗糙集理论是由Z Pawlak于1982年提出的。粗糙集理论是一种处理不确定性和不确定性的新的数学工具。决策可以使用粗糙集理论通过减少不需要的和多余的数据来生成。我们在不影响给定电路的生产率的情况下压缩了门的数目。本文提出了一种方法,粗糙集理论的帮助下,基本上减少了电路中的门的数量,基于决策规则。
2013-12-10 cs.AI cs.LG
Using Genetic Algorithms to Optimise Rough Set Partition Sizes for HIV Data Analysis
University of the Witwatersrand(金山大学)
在本文中,我们提出了一种方法来优化粗糙集分区的大小,规则提取艾滋病毒数据进行。利用遗传算法优化技术来确定粗糙集的划分大小,以最大限度地提高粗糙集的预测精度。所提出的方法进行了测试,从南非产前调查获得的个人的一组人口统计特性。在分析中使用了六个人口统计学变量,这些变量是:种族,母亲年龄,教育,妊娠,产次和父亲年龄,结果或决定是HIV阳性或阴性。粗糙集理论的选择是基于这样一个事实,它是容易解释的提取规则。等宽仓分割的预测准确率为57.7%,而优化分区后达到的准确率为72.8%。其他几种方法已被用来分析艾滋病毒的数据和他们的结果进行了说明,并比较粗糙集理论(ESTA)。
2007-05-17 cs.AI cs.NE q-bio.QM
Fuzzy Rough Choquet Distances for Classification
Ghent University(根特大学)
本文提出融合模糊粗糙集测度与 Choquet 积分的新型 Choquet 距离,以捕捉属性交互和非线性关系,并考察两类正区域测度及两种单调化程序,服务于 k-近邻等距离分类。
2024-03-18 cs.AI cs.LG
Resource Matchmaking Algorithm using Dynamic Rough Set in Grid Environment
Iran University of Science and Technology(伊朗科技大学)
网格环境是一个面向服务的基础设施,在这个基础设施中,许多异构的资源参与提供高性能的计算。网格环境中的一个缺陷是通告资源和请求资源之间的不确定性和不确定性。此外,在诸如网格的环境中,动态性被认为是必须处理的关键问题。经典粗糙集理论已经被用来处理不确定性和不确定性问题。但它只能用于静态系统,不能支持系统的动态性。在这项工作中,我们提出了一种解决方案,称为动态粗糙集资源发现(DRSRD),用于处理的情况下,基于动态粗糙集理论,考虑在这种环境中的动态功能的不确定性和不确定性问题。以这种方式,所请求的资源属性具有作为优先级的权重,根据该权重进行资源匹配和排名过程。我们还报告了从GridSim模拟器中获得的解决方案的结果。比较了DRSRD算法、经典的基于粗糙集理论的算法以及DRSRD与OWL S的组合算法。DRSRD算法在网格等动态系统中具有复杂性和不确定性的情况下,比经典的基于粗糙集理论的算法,以及OWL S和RISK相结合的算法具有更好的精度。
2009-09-08 cs.AI cs.DC
Class-based Rough Approximation with Dominance Principle
The Hong Kong Polytechnic University(香港理工大学)
基于优势的粗糙集方法(DRSA)作为Pawlak粗糙集理论的推广,在多准则决策分析(MCDA)中具有重要的应用价值。在以前的DRSA模型中,上近似和下近似的定义是保留类联合而不是单例类。本文针对经典DRSA模型、VC-DRSA模型和VP-DRSA模型,提出了一种新的基于类的粗糙近似方法。此外,研究了新的基于类的约简。
2011-07-05 cs.AI cs.CC
An Efficient and Accurate Rough Set for Feature Selection, Classification and Knowledge Representation
Chongqing Key Laboratory of Computational Intelligence, Chongqing University of Telecommunications and Posts(重庆邮电大学计算智能重庆市重点实验室);National Engineering Laboratory for Algorithm and Analysis Technologiy on Big Data, Xi’an Jiaotong University(西安交通大学大数据算法与分析技术国家工程实验室);University of California Riverside(加州大学河滨分校)
本文提出了一种基于粗糙集的强数据采掘方法,该方法可以同时实现特征选择、分类和知识表示。粗糙集具有良好的可解释性,是特征选择的一种常用方法。但效率低、精度低是制约其应用的主要问题。本文针对粗糙集理论在处理噪声属性时存在的过拟合问题,提出了一种属性的鲁棒性度量--相对重要性,并提出了“粗糙概念树”的概念,用于知识表示和分类。在公共基准数据集上的实验结果表明,该框架比七种流行或最先进的特征选择方法具有更高的准确率.
2022-01-12 cs.AI cs.DB cs.LG
A Novel Rough Set Reduct Algorithm for Medical Domain Based on Bee Colony Optimization
Akshaya College of Engineering and Technology(阿克沙亚工程技术学院)
特征选择是指选择产生最具预测性结果的相关特征的问题。特别地,特征选择任务涉及包含大量特征的数据集。粗糙集理论已经成为特征选择最成功的方法之一。然而,这种方法仍然无法找到最佳子集。本文提出了一种新的特征选择方法的基础上粗糙集理论与蜂群优化(BCO)的混合,试图解决这个问题。将该方法应用于医学领域,并与快速约简、熵约简以及其他混合粗糙集方法如遗传算法、蚁群算法(ACO)和粒子群算法(PSO)进行了实验比较。
2010-06-23 cs.AI cs.LG cs.NE